لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش مبانی مایکروسافت فبریک و مدیریت محیط داده
- آخرین آپدیت
دانلود Fabric Foundations and Environment Management
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
این دوره به معرفی مفاهیم بنیادی، معماری و گردشکارهای مهندسی داده مدرن با استفاده از Microsoft Fabric میپردازد. فراگیران در این دوره درک عملی از نحوه جذب، سازماندهی، تبدیل و آمادهسازی دادهها توسط مهندسان داده را کسب میکنند تا بتوانند از تحلیلها، گزارشدهیها و مدلهای هوش مصنوعی پشتیبانی کنند.
تمرکز این دوره بر مراحل اولیه چرخه حیات مهندسی داده است: درک معماری Fabric، کار با Lakehouses، جذب دادهها از منابع مختلف و آمادهسازی مجموعهدادههای ساختاریافته برای تحلیلهای آتی.
به جای بررسی ابزارهای Fabric به صورت مجزا، این دوره بر نحوه همکاری این ابزارها در قالب یک پلتفرم داده یکپارچه تأکید دارد. کاربران بررسی میکنند که مهندسان داده چگونه دادهها را از مرحله جذب خام به مجموعهدادههای ساختاریافته و آماده تحلیل منتقل میکنند، در حالی که قابلیت اطمینان، مقیاسپذیری و کیفیت دادهها را حفظ مینمایند.
در پایان این دوره، فراگیران متوجه خواهند شد که چگونه معماری Lakehouse در Fabric، ابزار Dataflows Gen2 و گردشکارهای یکپارچهسازی، از خط لولههای (Pipelines) مهندسی داده بهصورت جامع پشتیبانی میکنند.
سرفصل ها و درس ها
آشنایی با پلتفرم داده مایکروسافت فبریک
Introduction to the Microsoft Fabric data platform
چرا پلتفرمهای داده یکپارچه برای تحلیلهای مدرن اهمیت دارند
Why unified data platforms matter for modern analytics
اجزای اصلی مایکروسافت فبریک
Core components of Microsoft Fabric
بررسی فضای کاری فبریک و گردشکار خط لوله داده
Exploring the Fabric Workspace and data pipeline workflow
جذب دادهها در مایکروسافت فبریک
Ingesting data into Microsoft Fabric
اهمیت جذب دادههای قابل اعتماد در خط لولههای تحلیلی
Why reliable data ingestion matters for analytics pipelines
منابع رایج داده در گردشکارهای مهندسی داده
Common data sources in data engineering workflows
جذب دادهها و آمادهسازی جداول Lakehouse
Ingesting data and preparing Lakehouse tables
تبدیل دادهها با Dataflow Gen2
Transforming Data with Dataflow Gen2
چرا تبدیل دادهها برای تحلیلها ضروری است
Why data transformation is essential for analytics
وظایف رایج تبدیل داده در مهندسی داده
Common data transformation tasks in data engineering
تبدیل و اعتبارسنجی مجموعهدادهها در Dataflow Gen2
Transforming and validating datasets in Dataflow Gen2
یکپارچهسازی منابع داده متعدد در مایکروسافت فبریک
Integrating Multiple Data Sources In Microsoft Fabric
چرا یکپارچهسازی دادهها برای تحلیلها ضروری است
Why data integration is essential for analytics
استراتژیهای یکپارچهسازی داده در مهندسی داده
Data integration strategies in data engineering
اتصال و اعتبارسنجی مجموعهدادههای یکپارچه در Dataflow Gen2
Joining and validating integrated datasets in Dataflow Gen2
نمایش نظرات